面向人形机器人可恢复性监控的主动可达性学习
研究提出一种面向人形机器人任务策略的运行时监控框架，用于在不可恢复跌倒发生前及时触发回退。该方法将监控器合成表述为学习给定回退策略的随机有限时域可恢复性包络，并把数据探索重构为到达-规避问题，由不确定性引导的探索器系统发现未见状态、避开确信不可恢复区域。框架在价值学习与主动探索之间迭代，结合时间差分与蒙特卡洛目标提升分布内价值预测与不确定性估计，并将高不确定性区域显式视为不可恢复以抑制分布外乐观幻觉。在随机基准和29自由度Unitree G1人形机器人上评估，监控覆盖率和准确性大幅提升，并实现零样本迁移到真实硬件。
发布于 10-27 12:54来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Active Reachability Learning for Humanoid Recoverability Monitoring》查看原链
摘要：部署人形机器人任务策略需要可靠的运行时监控器，以便及时预判不可恢复的跌倒并触发回退。 我们将该任务表述为学习给定回退策略的随机有限时域可恢复性包络。 合成该监控器具有挑战性：现有方法假设训练数据自然覆盖可恢复性包络，但为接触丰富的系统获取此类数据仍是主要瓶颈。
因此，它们只能恢复真实包络的一小部分，对分布外（OOD）输入容易产生乐观幻觉。 我们通过一个在价值学习与主动探索之间迭代的统一框架解决该问题。 数据探索被重新表述为到达-规避问题，其中不确定性引导的探索器系统性地发现未见状态，同时避开确信不可恢复的区域。
该循环进一步由时间差分与蒙特卡洛联合目标支持，以实现准确的分布内价值预测和可靠的不确定性估计。 通过将剩余高不确定性区域显式视为不可恢复，监控器缓解了乐观的OOD幻觉。 在随机基准和29自由度Unitree G1人形机器人上评估，我们的方法大幅提升了监控器覆盖率和准确性，并成功零样本迁移到真实硬件。